鲁棒主元分析及在故障诊断中的应用

• 作者: 王健 韩志艳
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 主成分分析 流形学习 故障诊断
• 年，卷（期）: 2013,（6）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 79-81,85
• 页数: 4页
• 分类号: TP391.9
• 字数: 2982字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2013.06.020

摘要

在故障诊断过程中,传统的主元分析(Principal Component Analysis,PCA)算法,假设建模使用的历史数据为正常模式下采集的纯净数据,而在工业现场这一假设难以满足.针对传统PCA算法的这一缺陷,文中提出一种鲁棒PCA算法.该算法利用流形学习的思想,通过构造数据间近邻图的方式,计算各数据点的能量密度函数,并以此为依据去除历史数据中混杂的噪声和故障数据,增强PCA算法的鲁棒性.同时在文中给出了鲁棒PCA算法在故障诊断中的应用步骤,并通过对Tennessee Eastman过程的仿真研究,验证了鲁棒PCA算法在故障诊断中的可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王健	渤海大学工学院	103	787	15.0	22.0
5	韩志艳	渤海大学工学院	15	107	6.0	10.0